多變數模型就是運用多個財務指標或現金流量指標來綜合反映企業的財務狀況，並在此基礎上建立預警模型，進行財務預測。按所建模型是否具有動態預警能力、財務預警系統是否易於修改和擴充，多變數模型又可以分為靜態統計模型和動態非統計模型。

1. 靜態統計模型。

① 線性判別模型。多元線性判別模型是運用多元統計分析方法中的判別分析建立起來的，它是根據一定的樣本資料，建立判別函式、確定判定區域，以對企業財務狀況進行預測。這種模型以美國Atlman教授的Z模型最具代表性。

② 主成分預測模型。該模型也形成一個線性判定函式式，其形式類似判別分析模型。不過該模型是運用多元統計分析中的主成分分析方法，透過提煉綜合因子形成主成分，並利用主成分建立起來的。

③ 簡單線性機率模型。該模型是利用多元線性迴歸方法建立起來的，其形式是：y=c+β1x1+β2x2+…+βkxk。其中：c、β1、β2、…、βk為係數;x1、x2、…、xk為 k個預測變數，即財務指標;y為企業財務失敗的機率。該模型以0.5為危機分界點，y值越大，企業發生財務失敗的可能性越大，y值越接近於0，說明企業財務越安全。

④ logit模型和probit模型。它們也分別叫作對數比率模型和機率單位模型，都屬於機率模型，是在克服簡單的線性機率模型的基礎上並分別用logit 和probit機率函式建立起來的。logit模型的形式為：ln[p÷(1-p)]=α0+β1x1+β2x2+…+βkxk。其中：p取值為0、1; p為機率;x1，x2，…，xk為k個預測變數，即財務指標;α0、β1、β2、…、βk為係數。probit機率模型的預測效果一般與logit模型預測的效果相差不大，在此不多加介紹。

2. 動態非統計模型。

動態財務預警模型主要是把人工智慧中的歸納式學習的方法應用於財務危機預測。目前，這種方法中最常用的是神經網路預測模型